Analisis regresi logistik adalah metode statistik yang sangat berguna untuk memodelkan hubungan antara satu atau lebih variabel independen dengan variabel dependen yang bersifat kategorikal (biasanya biner, seperti 'ya'/'tidak', 'sukses'/'gagal'). Berbeda dengan regresi linier yang memprediksi nilai kontinu, regresi logistik memprediksi probabilitas terjadinya suatu kejadian. SPSS (Statistical Package for the Social Sciences) adalah salah satu perangkat lunak statistik yang paling populer dan mudah digunakan untuk melakukan analisis ini.
Kapan Menggunakan Regresi Logistik?
Anda perlu mempertimbangkan regresi logistik ketika:
- Variabel dependen Anda bersifat dikotomis (memiliki dua kategori, misalnya: apakah seorang pelanggan akan membeli produk atau tidak, apakah seorang pasien akan sembuh atau tidak).
- Anda ingin memprediksi probabilitas suatu kejadian berdasarkan nilai-nilai variabel independen Anda.
- Anda ingin mengetahui pengaruh variabel independen terhadap kemungkinan terjadinya hasil tertentu.
Langkah-langkah Analisis Regresi Logistik dengan SPSS
1. Persiapan Data
Pastikan data Anda telah dibersihkan dan siap untuk dianalisis. Variabel dependen harus dikodekan secara numerik (misalnya, 0 untuk 'tidak' dan 1 untuk 'ya'). Variabel independen dapat berupa numerik atau kategorikal. Jika variabel independen bersifat kategorikal, Anda mungkin perlu melakukan pengkodean dummy.
2. Memulai Analisis di SPSS
Untuk memulai analisis regresi logistik di SPSS, ikuti langkah-langkah berikut:
- Buka file data Anda di SPSS.
- Klik menu Analyze.
- Pilih Regression.
- Pilih Binary Logistic....
3. Konfigurasi Dialog Box Regresi Logistik
Setelah memilih "Binary Logistic...", sebuah dialog box akan muncul. Di sini Anda perlu menentukan:
- Dependent: Masukkan variabel dependen Anda (yang bersifat biner) ke dalam kotak ini.
- Covariates: Masukkan semua variabel independen Anda ke dalam kotak ini. Anda bisa memilih antara "Enter" atau "Forward/Backward" untuk metode pemilihan variabel, tetapi untuk pemula, "Enter" (memasukkan semua variabel sekaligus) seringkali disarankan.
- Categorical Variables: Jika Anda memiliki variabel independen kategorikal yang tidak Anda kodekan secara dummy, Anda harus menentukannya di sini. Klik tombol Categorical.... Pilih variabel kategorikal Anda dari daftar dan tentukan metode referensinya (misalnya, "First" atau "Last").
- Options: Klik tombol Options.... Di sini Anda bisa memilih output tambahan yang relevan, seperti:
- Classification plots: Berguna untuk melihat seberapa baik model memprediksi kategori.
- Casewise diagnostics: Untuk mengidentifikasi kasus-kasus yang memiliki pengaruh besar terhadap model.
- CI for exp(B): Untuk menampilkan confidence interval untuk odds ratio.
- Save: Anda dapat menyimpan nilai prediksi probabilitas dan grup prediksi untuk setiap kasus ke dalam dataset Anda.
4. Menjalankan Analisis
Setelah semua pengaturan selesai, klik OK untuk menjalankan analisis. SPSS akan menghasilkan output di jendela Viewer.
Interpretasi Output Regresi Logistik
Output SPSS akan mencakup beberapa tabel penting. Berikut adalah beberapa tabel kunci yang perlu Anda perhatikan:
a. Variables Entered/Removed
Tabel ini menunjukkan variabel mana yang dimasukkan ke dalam model dan metode yang digunakan.
b. Block 0: Beginning Block
Ini adalah blok pertama dari model, seringkali menunjukkan nilai model tanpa variabel independen (intercept only).
c. Block 1: Method = Enter
Tabel ini menunjukkan hasil model dengan semua variabel independen yang Anda masukkan. Perhatikan nilai Omnibus Tests of Model Coefficients (uji signifikansi model secara keseluruhan) dan Model Summary (nilai -2 Log Likelihood, Cox & Snell R Square, Nagelkerke R Square).
d. Classification Table
Tabel ini menampilkan akurasi prediksi model. Ini menunjukkan berapa banyak kasus yang diklasifikasikan dengan benar untuk setiap kategori variabel dependen.
e. Variables in the Equation
Ini adalah tabel paling penting untuk memahami pengaruh setiap variabel independen.
- B: Koefisien regresi (log-odds).
- S.E.: Standard Error dari koefisien B.
- Wald: Statistik uji Wald untuk menguji signifikansi koefisien.
- Sig.: Nilai signifikansi (p-value) untuk uji Wald. Jika Sig. < 0.05, variabel tersebut dianggap signifikan secara statistik.
- Exp(B): Odds Ratio. Ini adalah interpretasi yang paling umum. Odds Ratio menunjukkan berapa kali lipat odds terjadinya kejadian meningkat untuk setiap satu unit kenaikan pada variabel independen, dengan variabel lain tetap konstan.
Contoh Interpretasi Odds Ratio: Jika Exp(B) untuk variabel 'Jam Belajar' adalah 1.5, ini berarti setiap tambahan satu jam belajar meningkatkan odds seseorang lulus ujian sebesar 1.5 kali lipat, dengan asumsi faktor-faktor lain tetap.
Tips Tambahan
- Perhatikan asumsi regresi logistik, seperti independensi observasi dan tidak adanya multikolinearitas antar variabel independen.
- Uji asumsi seperti kebugaran model menggunakan statistik seperti Hosmer-Lemeshow test (jika tersedia dalam opsi SPSS Anda).
- Selalu interpretasikan hasil dalam konteks penelitian Anda dan gunakan pengetahuan domain Anda.
Dengan mengikuti panduan ini, Anda dapat melakukan analisis regresi logistik yang efektif menggunakan SPSS, memperoleh wawasan berharga dari data Anda, dan membuat prediksi yang lebih akurat.